論文の概要: Attribute-Prompted Kernel Hashing for Unsupervised Data-Efficient Cross-Modal Retrieval
- arxiv url: http://arxiv.org/abs/2607.00379v1
- Date: Wed, 01 Jul 2026 03:23:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.703232
- Title: Attribute-Prompted Kernel Hashing for Unsupervised Data-Efficient Cross-Modal Retrieval
- Title（参考訳）: 教師なしデータ効率的なクロスモーダル検索のための属性プロンプトカーネルハッシュ
- Abstract要約: クロスモーダルハッシュは、異なるモダリティにわたるセマンティック関連インスタンスの効率的な検索を可能にする。
既存の教師なしの手法は、大規模な画像テキストペアに大きく依存している。
本稿では,アトリビュート・プロプテッド・カーネル・ハッシュ(APKH)を提案する。
- 参考スコア（独自算出の注目度）: 33.22221387810735
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unsupervised cross-modal hashing enables efficient retrieval of semantically related instances across different modalities without requiring manual semantic annotation. However, existing unsupervised methods rely heavily on large-scale image-text pairs. Collecting such data can be costly, particularly in scenarios where well-aligned pairs are scarce due to privacy and specialized constraints. More critically, existing methods tend to overfit to seen training data, restricting their generalization performance on unseen categories that the constrained training data cannot cover. To address these limitations, we propose Attribute-Prompted Kernel Hashing (APKH), a novel data-efficient approach that constructs a compact, modality-aligned Hamming space driven by the generalized attribute priors of vision-language foundation models. Specifically, APKH introduces two core modules: Context-optimized Attribute Kernel Mapping (CAKM) and Kernel-Smoothed Contrastive Alignment (KSCA). CAKM formulates cross-modal alignment through hyperspherical Radial Basis Function kernel mapping, optimizing dynamic attribute kernels via prompt learning to capture modality-invariant semantics. Furthermore, KSCA extends conventional point-to-point contrastive learning by modeling limited paired data as continuous kernel distributions. This explicit smoothing of the modality gap alleviates overfitting to sparse pairwise correlations. Extensive experiments demonstrate that APKH outperforms state-of-the-art hashing methods in the challenging cross-modal retrieval tasks from seen to unseen categories under data-constrained scenarios.
- Abstract（参考訳）: 教師なしのクロスモーダルハッシュは、手動のセマンティックアノテーションを必要とせずに、異なるモダリティにわたるセマンティック関連インスタンスの効率的な検索を可能にする。
しかし、既存の教師なし手法は大規模な画像テキストペアに大きく依存している。
このようなデータ収集は、特にプライバシと特別な制約のために、整合性のあるペアが不足しているシナリオでは、コストがかかる可能性がある。
より重要なことは、既存の手法はトレーニングデータを見るのに過度に適合する傾向にあり、制約されたトレーニングデータがカバーできない未確認カテゴリの一般化性能を制限する。
これらの制約に対処するために、視覚言語基礎モデルの一般化属性により駆動されるコンパクトでモダリティに整合したハミング空間を構築する新しいデータ効率のアプローチであるAttribute-Prompted Kernel Hashing (APKH)を提案する。
具体的には、Attribute Kernel Mapping (CAKM) と Kernel-Smoothed Contrastive Alignment (KSCA) の2つのコアモジュールを紹介している。
CAKMは超球面ラジアル基底関数カーネルマッピングを通したクロスモーダルアライメントを定式化し、動的属性カーネルを高速学習により最適化し、モダリティ不変セマンティクスをキャプチャする。
さらに、KSCAは、制限付きデータを連続的なカーネル分布としてモデル化することで、従来のポイント・ツー・ポイントのコントラスト学習を拡張している。
このモダリティギャップの明示的な滑らか化は、疎対相関に対する過度な適合を緩和する。
大規模な実験により、APKHは、データ制約されたシナリオの下で、異種横断検索タスクを目に見えて、目に見えないカテゴリまで、最先端のハッシュ手法より優れていることが示された。
関連論文リスト
- Adapformer: Adaptive Channel Management for Multivariate Time Series Forecasting [49.40321003932633]
Adapformerは、効果的なチャネル管理を通じてCIとCD方法論のメリットをマージする、トランスフォーマーベースの高度なフレームワークである。
Adapformerは既存のモデルよりも優れた性能を実現し、予測精度と計算効率の両方を向上させる。
論文 参考訳（メタデータ） (2025-11-18T16:24:05Z) - Localized Kernel Projection Outlyingness: A Two-Stage Approach for Multi-Modal Outlier Detection [0.0]
Two-Stage LKPLOは、新しいマルチステージアウトレイラ検出フレームワークである。
従来の射影的手法の制約を克服する。
挑戦的なデータセットで最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-10-28T03:53:46Z) - Instance-Aware Robust Consistency Regularization for Semi-Supervised Nuclei Instance Segmentation [53.94176748542936]
本稿では、インスタンスレベルの正確な核分割のためのインスタンス対応ロバスト整合性正規化ネットワーク(IRCR-Net)を提案する。
病理画像に核形態学的な先行知識を取り入れ,これらの先行知識を用いてラベルのないデータから生成された擬似ラベルの品質を評価する。
論文 参考訳（メタデータ） (2025-10-10T12:32:32Z) - Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。
HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。
このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
論文 参考訳（メタデータ） (2025-10-05T09:32:12Z) - Cross-Modal Retrieval with Cauchy-Schwarz Divergence [26.94915416778522]
クロスモーダル検索では、不均一なデータ型を堅牢にアライメントする必要がある。
既存の手法の多くは、Kullback-Leiblerの発散のような分布アライメント技術に依存している。
本稿では、トレーニング安定性と検索性能の両方を改善するハイパーパラメータフリー尺度であるCauchy-Schwarz(CS)の発散について紹介する。
論文 参考訳（メタデータ） (2025-09-15T08:55:15Z) - Disentangled Noisy Correspondence Learning [56.06801962154915]
クロスモーダル検索は、モダリティ間の潜在対応を理解する上で重要である。
DisNCLはノイズ対応学習における特徴分散のための新しい情報理論フレームワークである。
論文 参考訳（メタデータ） (2024-08-10T09:49:55Z) - Kernel Correlation-Dissimilarity for Multiple Kernel k-Means Clustering [21.685153346752124]
現在の手法は情報多様性を高め、相関性や相似性に基づいて複数のカーネル間の相互依存を利用して冗長性を低減する。
本稿では,カーネルの相関と相似性の両方を体系的に統合する新しい手法を提案する。
カーネル相関と相違点のコヒーレンスを強調することにより,非線形情報抽出のためのより客観的かつ透明な戦略を提供する。
論文 参考訳（メタデータ） (2024-03-06T04:24:43Z) - Towards Continual Learning Desiderata via HSIC-Bottleneck
Orthogonalization and Equiangular Embedding [55.107555305760954]
本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。
提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
論文 参考訳（メタデータ） (2024-01-17T09:01:29Z) - Joint Embedding Self-Supervised Learning in the Kernel Regime [21.80241600638596]
自己教師付き学習(SSL)は、データを分類するためのラベルにアクセスすることなく、データの有用な表現を生成する。
我々はこのフレームワークを拡張し,カーネルの機能空間に作用する線形写像によって埋め込みを構築するカーネル手法に基づくアルゴリズムを組み込む。
カーネルモデルを小さなデータセットで分析し、自己教師付き学習アルゴリズムの共通特徴を特定し、下流タスクにおける性能に関する理論的洞察を得る。
論文 参考訳（メタデータ） (2022-09-29T15:53:19Z) - Towards Uncovering the Intrinsic Data Structures for Unsupervised Domain
Adaptation using Structurally Regularized Deep Clustering [119.88565565454378]
Unsupervised Domain Adapt (UDA) は、ターゲットドメイン上のラベルなしデータの予測を行う分類モデルを学ぶことである。
本稿では,対象データの正規化判別クラスタリングと生成クラスタリングを統合する構造的正規化深層クラスタリングのハイブリッドモデルを提案する。
提案するH-SRDCは, インダクティブ設定とトランスダクティブ設定の両方において, 既存の手法よりも優れている。
論文 参考訳（メタデータ） (2020-12-08T08:52:00Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。